Anuvani-LID: تحديد لغة الكلام بدقة للغات الهندية

يبدأ كل خط أنابيب للكلام متعدد اللغات بقرار تحديد اللغة، وأي خطأ فيه ينتشر بصمت عبر التعرف على الكلام والترجمة والتوجيه. في الهند، يمتد هذا التحدي عبر 22 لغة رسمية من أربع عائلات لغوية، في مقاطع صوتية قصيرة وصاخبة ومختلطة اللغات. دراسة "Anuvani-LID: Robust and Calibrated Spoken Language Identification for Indian Languages" (arXiv:2610.20263) تختبر افتراضا شائعا.

الافتراض هو أن النماذج الصوتية الأساسية تملك قدرة تحديد اللغة بشكل ضمني. الباحثون اختبروا هذا على مقاطع متطابقة ووجدوا أن نماذج مثل Whisper تملك رموزا لـ 15 لغة فقط من أصل 23. وعلى مقاطع مدتها ثانية واحدة، حقق Gemini 3.5 Flash نتيجة 0.52 فقط بمقياس macro-F1، بينما حقق GPT-audio نتيجة 0.14.

الحل المقترح هو Anuvani LID، نموذج متخصص بمعمارية conformer وبحجم 115 مليون معامل، دُرب على 54,643 ساعة من الكلام الهندي تغطي 22 لغة هندية والإنجليزية بلكنة هندية. وعبر 37 حالة اختبار، بلغ متوسطه 0.914 بمقياس macro-F1، متفوقا بـ 5.2 نقطة على Gemini 3.5 Flash وعلى 14 نظاما آخر. كما يتقدم بـ 24 نقطة على Gemini في المقاطع القصيرة، ويحقق 0.897 على اللغات الـ 23 جميعا حيث لا يتجاوز أي نظام آخر 0.713، مع معايرة ممتازة.

الخلاصة العملية: القدرات العامة للنماذج الكبيرة لا تغني عن نماذج متخصصة ومعايرة عندما تكون المهمة حاسمة ومتعددة اللغات.

هذا المقال من كتابة Yethikrishna R، مؤسس وكبير مهندسي Mynd Labs ومنسق وعضو مؤسس في Compyle (YC F25)، من ثريسور في الهند.

المصدر: https://arxiv.org/abs/2610.20263